Hi~ 我是 Eric！ 👋

在上一篇文章中，我們看過了 NotebookLM 的心智圖如何幫我們梳理宏觀架構。但老實說，學習最痛苦的不是「看不懂」，而是 「我以為我懂了，但一關上書就什麼都講不出來」。 🧠💨

這種「知識幻覺」是學習新技術最大的敵人。為了打破它，NotebookLM 的「工作室」提供了兩個長得像雙胞胎，但靈魂完全不同的功能： 學習卡 (Study Guide) 與 測驗 (Quiz)。

很多朋友點進去後，看到選項長得一模一樣，就開始隨便亂點。這篇文章我要幫你把這兩個功能徹底拆解，並分享我如何透過不同的「難易度」與「範例情境」來快速內化硬核知識。

雙胞胎功能：幾乎一樣的選項設定

不論你點開哪一個功能，你都會看到三個關鍵的自訂選項。這不是裝飾品，它們決定了 AI 產出的內容品質：

1. 數量掌控 (Count)

  • 較少：適合「快速暖身」。如果你只有 5 分鐘，只想抓出這篇 50 頁論文的 3 個重點，選這個。
  • 標準（預設）：最平衡的配置。
  • 較多：如果你要準備面試、證照考試或是寫技術評論，選這個。它會挖掘出隱藏在角落的細節。

2. 難易度調整 (Difficulty) —— 這最關鍵！

  • 簡單 (Simple)：AI 會專注在「是什麼 (What)」。適合初學者建立術語清單。
  • 中等 (Medium)：AI 會專注在「怎麼做 (How)」。適合已經看過一遍，想確認操作流程的讀者。
  • 困難 (Hard)：AI 會開始考你「為什麼 (Why)」以及「如果…會怎樣 (What if)」。它會針對不同概念之間的 權衡 (Trade-offs) 與 邊界案例 (Edge Cases) 發起挑戰。

3. 主題自訂 (Topic)

這是最被低估的功能。你可以指定「只針對文件中的 安全性 (Security)」或「效能優化 (Performance)」進行生成，而不是讓 AI 漫無目的地抓取。

重點來了：兩者的本質差異是什麼？

雖然選項一樣，但它們在大腦裡觸發的反應完全不同。

學習卡 (Study Guide)：知識的「收納箱」

它的核心目標是 「知識整理 (Consolidation)」。它會幫你把來源中零散的資訊重新組合，產出術語表、重點摘要和思考題。

  • 使用時機：當你剛讀完一份文件，大腦還是一團亂時。
  • 大腦狀態：理解與連結。

測驗 (Quiz)：知識的「健身房」

它的核心目標是 「主動回想 (Active Recall)」。它強迫你的大腦從記憶中「挖」出答案，這是科學證實最有效的長期記憶法。

  • 使用時機：當你覺得自己「已經懂了」，想驗證是否有知識漏洞時。
  • 大腦狀態：提取與強化。

🚀 實戰範例：不同領域該怎麼玩？

為了讓大家更有感，我舉三個不同難度的場景：

範例一：Git 初學者（基礎名詞與流程）

  • 目標：分清楚 commit, push, pull, merge。
  • 學習卡設定：數量較多、難度簡單。它會給你一份超完美的「Git 指令對照表」。
  • 測驗設定：數量標準、難度簡單。
  • 題目預測：「在 push 之前，你一定要先做哪個動作？」

範例二：資深工程師（系統架構權衡）

  • 情境：你在研究 Microservices vs. Monolith 的架構遷移論文。
  • 學習卡設定：數量標準、難度困難、主題自訂為「資料一致性 (Data Consistency)」。
  • 測驗設定：數量較多、難度困難。
  • 題目預測：「在 Saga Pattern 中，如果補償交易 (Compensating Transaction) 失敗了，該如何保證最終一致性？」
  • Eric 建議：這時候的測驗能逼你思考那些平時會忽略的系統漏洞。

範例三：斜槓族（非技術類的生產力方法論）

  • 情境：你剛餵進了《原子習慣》或《卡片盒筆記法》的筆記。
  • 學習卡設定：數量較多、難度中等。
  • 測驗設定：數量較少、難度中等、主題為「具體實踐步驟」。
  • 題目預測：「根據文件，建立一個新習慣最有效的『環境觸發』設計是什麼？」

範例四：面試準備（技術題庫）

  • 情境：你正在準備一場 JavaScript 面試，想要把常見的面試題庫餵進 NotebookLM。
  • 學習卡設定：數量較多、難度中等、主題自訂為「常見面試題」。
  • 測驗設定：數量較多、難度困難、主題自訂為「面試陷阱」。
  • 題目預測：「在 JavaScript 中，this 的值在箭頭函式和普通函式中有什麼不同？」

總結：數位單字卡 vs. 實戰模擬考

這兩個功能怎麼選？你可以這樣想：

1. 學習卡：就像你的「數位單字卡」🎴

還記得以前背英文單字嗎？一面寫著 Persistence，翻過來寫著 持續、持久。 學習卡 的邏輯一模一樣：

  • 正面：是一個簡短的 術語或標籤（如：Idempotency、Atomic Commit）。
  • 反面：是 完整的概念與脈絡。
  • 目的：讓你做 「概念連結」。當你看到正面，大腦要能立刻反應出反面的內容。
  • 適合資料：
    • 新技術的 API 規格（例如：RxJS 裡面的各種 Operator）。
    • 設計模式 (Design Patterns)（例如：什麼是 Decorator？什麼是 Factory？）。
    • 專有名詞密集的論文。

2. 測驗：就像你的「硬核模擬考」📝

如果學習卡是考你「知不知道這個單字」，測驗就是考你「能不能用這個單字寫出一篇作文」。

  • 形式：它會給你一個 情境或邏輯判斷。
  • 目的：讓你做 「邏輯驗證」。它會故意設陷阱，測試你是否真的理解規則，而不是死背定義。
  • 適合資料：
    • 操作規範或流程（例如：Git 分支合併的規則）。
    • 邏輯判斷（例如：條件式的執行順序）。
    • 面試題庫。

🚀 推薦使用組合技：Eric 的高效學習流

如果你想在最短時間內攻克一個新技術（例如：突然要接手一個全新的專案），我推薦這套流程：

  1. Stage 1：地圖建立
    • 開啟 心智圖，花 3 分鐘掃過整體的模組關係。
  2. Stage 2：概念編碼 (Encoding)
    • 生成 學習卡 (中等難度)。想像這是在做你的「數位單字卡」，把術語與定義連結起來。剛開始可以先不設定主題，找到你最模糊的部分在另外開一個單字卡設定主題，讓 AI 針對那個部分加強說明。
  3. Stage 3：深度轟炸 (最核心)
    • 針對最難的章節，自訂主題生成 測驗 (困難難度)。
    • 不要怕答錯！ 答錯時，點擊題目旁邊的「來源連結」跳回原文，這時候你的大腦會像海綿一樣吸收那個知識點，因為你剛被考倒了。
Eric 的碎碎唸：我發現很多人不喜歡做測驗，因為答錯很挫折。但相信我，「挫折感」就是大腦正在連結神經元的聲音。與其在面試或實戰時出包，不如現在讓 NotebookLM 當你的面試官把你虐一虐！ 😂

下一篇，我們要聊聊工作室的最後兩塊拼圖：AI 資訊圖表 與 資料表。教你如何一鍵生成結構化的技術簡報，並根據不同受眾需求客製化你的知識輸出！ 🚀

我們下次見！ 👋